Detalhes bibliográficos
Ano de defesa: |
2021 |
Autor(a) principal: |
Ennes, André Terra |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/55/55137/tde-11112021-150130/
|
Resumo: |
O método TRISS é amplamente utilizado para previsão de sobrevivência de pacientes de trauma, tendo papel chave tanto para guiar decisões clínicas no momento do atendimento como posteriormente para avaliar o desempenho do serviço de saúde. Embora seja o mais usado no mundo todo, ele tem sido criticado por não refletir a realidade do atendimento médico de países em desenvolvimento, pois foi construído por meio de uma regressão logística usando dados de pacientes norte-americanos há mais de três décadas. Estudos tem sido feitos buscando adaptá-lo usando dados locais e técnicas alternativas, incluindo inteligência computacional. Propõe-se neste trabalho uma abordagem para ajustar o TRISS usando algoritmos genéticos, testando se é possível utilizar tal técnica e superar o desempenho do TRISS original quando aplicado a dados que representem tal realidade. Inicialmente foram sintetizados cinco bancos de dados simulando pacientes atendidos por hospitais de qualidade progressivamente inferior. O desempenho do TRISS em prever a sobrevivência destes pacientes foi medido utilizando curvas ROC, mostrandose progressivamente menor, confirmando que o TRISS apresenta problemas em realidades de atendimento piores. Foi, então, desenvolvido o TRISS-AG, um algoritmo genético para ajustar a equação do TRISS. O desempenho do TRISS-AG e do TRISS aplicados aos bancos de dados foi comparado com base na quantidade de acertos na previsão de sobrevivência e o TRISS-AG apresentou desempenho melhor para todos os bancos de dados, com maior vantagem para os bancos de dados representado os piores cenários de atendimento. Os resultados confirmaram que é possível usar um algoritmo genético para ajustar o TRISS e que o algoritmo pode ter desempenho superior ao do método TRISS original. |